爬虫：01.爬虫初探

Request与Response

请求过程

(1)浏览器发送消息给某网址所在的服务器，这个过程叫做HTTP Request.
(2)服务器收到浏览器发送的消息后，能够根据浏览器发送的消息内容，做相应的处理，然后把消息回传给浏览器。这个过程叫做HTTP Response。
(3)浏览器收到服务器的Response信息后，会对信息进行相应的处理，然后展示。

Ⅰ、Request

1、请求方式：主要有GET、POST两种类型，另外还有HEAD、PUT、DELETE、OPTIONS等
2、请求URL：URL全称统一资源定位符，如一个网页文档、一张图片、一个视频等都可以用URL唯一来确定
3、请求头：包含请求时的头部信息，如User-Agent、Host、Cookies等信息
4、请求体：请求时额外携带的数据，如表单提交时的表单数据

Ⅱ、Response：

1、响应状态（Status Code）：有多种响应状态，如200代表成功，301跳转，404找不到页面，502服务器错误
2、响应头（Response Header）：如内容类型，内容长度，服务器信息，设置cookie等
3、响应体（Response Body）：最主要的部分，包含了请求资源的内容，如网页HTML、图片、二进制数据等

Ⅲ、爬虫基本流程

1、发起请求：通过HTTP库向目标站点发起请求，即发送一个Request，请求可以包含额外的headers等信息，等待服务器响应
2、获取响应内容：如果服务器能正常响应，会得到一个Response，Response的内容便是所要获取的页面内容，类型可能有HTML，Json字符串、二进制数据（如图片视频）等类型
3、解析内容：得到的内容可能是HTML，可以用正则表达式、网页解析库进行解析；可能是Json，可以直接转化为Json对象解析；可能是二进制数据，可以做保存或进一步的处理
4、保存数据：保存形式多样，可以存为文本，也可以保存至数据库，或者保存特定格式的文件

Ⅳ、解析方式：

1、直接处理
2、Json解析
3、正则表达式
4、BeutifulSoup
5、PyQuery
6、XPath

Ⅴ、能抓怎样的数据

1、网页文本，如HTML文档、Json格式文本等
2、图片，获取到的是二进制文件，保存为图片格式
3、视频，同为二进制文件，保存为视频格式即可
4、其他，只要是能请求到的，都能获取

Ⅵ、怎么保存数据

1、文本，纯文本、Json、Xml等
2、关系型数据库，如MySQL、Oracle、SQL Server等具有结构化表结构形式存储
3、非关系型数据库，如MongoDB、Redis等Key-Value形式存储
4、二进制文件，如图片、视频、音频等等直接保存成特定格式即可

Ⅶ、怎么解决JavaScript渲染问题

1、分析Ajax请求
2、Selenium/WebDriver
3、Splash
4、PyV8、Ghost.py

下一章：爬虫：02.Urllib库